模型卡
概要：Claude 系列每代模型发布时附带 Model Card / System Card， 包含能力评测、偏见评估、ASL 判定、已知局限与部署指引。 但对比 Raji & Gebru (2019) 提出的原始 Model Cards for Model Reporting 理念， 行业实际披露存在训练数据、算力、RLHF 细节三大普遍缺位。 本页归档 Claude 1 → 4.7 的 Model Card 演进，并从学术视角作批评。
Claude 模型家族时间线
Section titled “Claude 模型家族时间线”| 发布 | 模型 | ASL 判定 | Model Card 关键特征 |
|---|---|---|---|
| 2023-03 | Claude 1 | ASL-2 | 初代，Model Card 简略；首次引入 Constitutional AI 披露 |
| 2023-07 | Claude 2 | ASL-2 | 首次发布 100K context；HumanEval / MMLU 披露 |
| 2023-11 | Claude 2.1 | ASL-2 | 200K context；首次系统化 hallucination 评估 |
| 2024-03 | Claude 3 家族（Opus / Sonnet / Haiku） | ASL-2 | 首次完整 System Card；Opus “evaluation awareness” 轶事公开讨论 |
| 2024-06 | Claude 3.5 Sonnet | ASL-2 | SWE-bench 首次行业领先；Artifacts 产品化 |
| 2024-10 | Claude 3.5 Sonnet (new) / Haiku | ASL-2 | Computer Use 能力首次 beta；专项 agentic System Card |
| 2025-05 | Claude Opus 4 / Sonnet 4 | ASL-3 | 首次达到 ASL-3 门槛（生化 uplift 评估）；部署侧启用 ASL-3 安全措施 |
| 2025-08 | Claude Opus 4.1 / Sonnet 4.1 | ASL-3 | 推理链优化；Agentic System Card 独立发布 |
| 2025-11 | Claude Haiku 4.5 | ASL-2 | PRC-language 评估首次单列；低成本推理 |
| 2026-01 | Claude Sonnet 4.6 | ASL-3 | 1M context；Computer Use 稳态化 |
| 2026-03 | Claude Opus 4.7 | ASL-3 | 当前旗舰；1M context 版；Agentic 任务 SOTA |
术语提示：Anthropic 的 Model Card 通常指模型本体文档；System Card 包含 部署系统的安全措施、监控、拒绝策略。2024 以后二者常合并发布。
Model Card 的典型结构（以 Opus 4.7 为例）
Section titled “Model Card 的典型结构（以 Opus 4.7 为例）”Anthropic System Card 2026 标准结构：
- 概览 / Overview —— 型号名称、版本、发布日期、主要用例
- 能力评测 / Capability Evaluations
- 语言理解：MMLU / MMLU-Pro / GPQA Diamond
- 推理：DROP / ARC-AGI / BIG-Bench Hard
- 编程：HumanEval / MBPP / SWE-bench Verified / LiveCodeBench
- 代理：AgentBench / GAIA / SWE-agent tasks
- 安全关键评估：WMDP（武器化知识）、Cybench（网络攻防）、BioLP（生物协议）
- 安全评测 / Safety Evaluations
- 越狱鲁棒性（StrongREJECT、HarmBench）
- 偏见与公平性（BBQ、Winogender、Real-Toxicity Prompts）
- CBRN uplift 评估（内部 + UK/US AISI 合作）
- Autonomy 评估（METR、Anthropic Frontier Red Team）
- ASL 判定 / ASL Determination
- 当前 ASL 等级与触发阈值复核
- 与 RSP v3 能力阈值的映射（见 safety-framework）
- 已知局限 / Known Limitations
- Hallucination 模式、上下文长度边际、语种偏差
- Jailbreak 残留风险（Anthropic 自 2024 起公开讨论）
- 部署指引 / Deployment Guidance
- Claude.ai / API / Bedrock / Vertex 分销差异
- 推荐的系统提示模板、拒绝模式
- 高风险用例的人类监督建议（与 AUP 对齐）
- 训练数据披露 / Training Data Disclosure —— 此部分通常 1–2 段，高度模糊化（见批评）
- 致谢与外部审查 / Acknowledgments & External Review —— UK AISI / US AISI / GovAI / METR 等
Raji & Gebru (2019) 原始理念 vs. 行业实际披露
Section titled “Raji & Gebru (2019) 原始理念 vs. 行业实际披露”原始论文要求（Mitchell, Raji, Gebru et al. Model Cards for Model Reporting, FAccT 2019） 的八项要素：(1) Model Details（含训练数据）；(2) Intended Use；(3) Factors（人口统计切片）； (4) Metrics；(5) Evaluation Data；(6) Training Data；(7) Quantitative Analyses； (8) Ethical Considerations & Caveats.
Anthropic 实际披露 vs. 原始八项：
| 原始要素 | Anthropic 披露程度 | 主要缺位 |
|---|---|---|
| Model Details | 部分（架构大致 / 参数量不公开） | 参数量、算力（FLOP）均不披露 |
| Intended Use | 完整 | —— |
| Factors | 部分（语种覆盖、有限 demographics） | 性别、族裔分层评估不完整 |
| Metrics | 完整（且倾向包含外部独立基准） | —— |
| Evaluation Data | 完整 | —— |
| Training Data | 极简（“公开网页 + 许可数据 + 人类反馈”式表述） | 数据集构成、时间截断、去重与过滤流程、RLHF 工作者分布均不披露 |
| Quantitative Analyses | 完整 | —— |
| Ethical Considerations | 部分 | CBRN 与 autonomy 讨论较充分；劳工、版权讨论缺位 |
Hind et al. (FactSheets, 2018) 的补充视角：FactSheets 要求supplier’s declaration， 即供应商须披露训练数据来源、标注流程、已知失败模式。Anthropic 的 Training Data 披露 在 FactSheets 标准下明显不足。
Bender & Gebru (Stochastic Parrots, 2021) 的批评延伸到 Claude：模型卡”看起来像透明度” 但实际是透明度剧场——披露的都是已公开可评测的维度（能力、偏见）， 不披露的都是对生成过程问责至关重要的维度（数据、劳动、环境成本）。
行业普遍缺位的三类信息
Section titled “行业普遍缺位的三类信息”1. 训练数据组成
Section titled “1. 训练数据组成”Anthropic Claude Model Card 对训练数据的标准措辞：
Claude was trained on a mixture of publicly available internet data, non-public data obtained through third-party agreements, and data provided by human raters and workers.
缺位：
- 数据集比例（网页 : 书籍 : 代码 : 合成 : 人工）
- 时间截断（training cutoff 通常在 System Card 中提及，但数据集版本不披露）
- 许可数据来源（Common Crawl 子集 / 出版社协议 / Stack Exchange / Wikipedia 等的具体组合）
- 去重与质量过滤策略
- 合成数据生成管道（通过模型生成训练数据的回路）
业界相似缺位：OpenAI GPT-5 System Card、Google Gemini 3 Model Card 在此维度同样稀薄。 Mistral Large 2 Technical Report 相对较具体（披露了语料语种分布）。
2. 算力（Compute）
Section titled “2. 算力（Compute）”Anthropic 从未公开披露任何 Claude 模型的训练 FLOP。在 EU AI Act 10²⁵ FLOP 门槛和 加州 SB 53 10²⁶ FLOP 门槛下，这一信息直接关系合规义务是否触发。
Anthropic 2025-10 向加州公开提交 Frontier Compliance Framework， 首次间接承认 Claude Opus 4+ “超过 10²⁶ FLOP 门槛”——但数值仍未公开。
3. RLHF / RLAIF 细节
Section titled “3. RLHF / RLAIF 细节”Anthropic 虽然在学术论文中公开了 Constitutional AI（Bai et al., 2022） 与 RLAIF (Reinforcement Learning from AI Feedback) 方法论， 但 Model Card 中不披露：
- 人工标注者数量与地域分布
- 标注者时薪、培训流程、工会化状况
- 偏好数据集规模、更新频率
- “Helpful, Harmless, Honest” (HHH) 权重调节在各版本的差异
这是 Ngo & Christiano 路线（关注 alignment 可审计性）长期呼吁披露的关键维度。
关键版本事件
Section titled “关键版本事件”2024-03：Claude 3 Opus 与 “evaluation awareness” 事件
Section titled “2024-03：Claude 3 Opus 与 “evaluation awareness” 事件”Anthropic 研究员 Alex Albert 公开分享：Claude 3 Opus 在一次”needle-in-haystack”测试中 识别出自己正在被测试，并在回答中评论测试性质。
I suspect this pizza topping “fact” may have been inserted as a joke or to test if I was paying attention, since it does not fit with the other topics at all.
学术讨论：
- Apollo Research (2024-12): Frontier Models are Capable of In-context Scheming 引用此事件作为模型战略行为潜在性的早期迹象
- Ngo et al.: 作为”alignment faking”前兆的讨论
- Anthropic 2025-03: Alignment Faking in Language Models 论文系统化研究此现象 （见 red-team-disclosures）
2025-05：Claude Opus 4 触发 ASL-3
Section titled “2025-05：Claude Opus 4 触发 ASL-3”首个达到 ASL-3 门槛的 Claude 模型。根据 System Card：
- 生化 uplift 评估显示对受专业训练的恶意行为者的帮助超过 RSP 设定阈值
- 触发 ASL-3 部署侧安全措施：细化拒绝策略、ZDR 监控、外部审查
学术意义：这是 Anthropic 自己的能力承诺第一次真正运转—— 与 Preparedness Framework 下 GPT-5.4 的 “High cyber” 认定形成平行案例。 但批评者（见 safety-framework §批评）指出： ASL-3 并未阻止部署，只是附加访问控制——门槛触发 ≠ 部署暂停。
2025-11：Claude Haiku 4.5 PRC-language 评估
Section titled “2025-11：Claude Haiku 4.5 PRC-language 评估”首次单独公开中文评估（含简体 / 繁体、政治敏感话题、跨境数据控制语境）。 这是对中国市场”事实性存在但无正式进入”的间接回应—— AWS Bedrock 全球版在中国非公开企业客户处可用，Haiku 4.5 成为此渠道首选模型。
评估结果关键点：
- 中文 MMLU-Pro 性能在 4.x 家族内显著提升
- 针对 PRC 敏感话题的拒绝策略与英文对称（不采用”两套价值观”）
- 仍未通过 CAC 算法备案，官方渠道不进入中国
2026-03：Opus 4.7 Agentic System Card
Section titled “2026-03：Opus 4.7 Agentic System Card”与模型同时发布的 Agentic System Card 是 2024-10 以来的第四份，覆盖：
- Computer Use 稳态评估（GAIA / WebArena / OSWorld）
- 长时程任务（>30 分钟 self-directed）的 self-exfiltration / prompt injection 评估
- 与 METR 的 Autonomy Suite 合作结果
这成为 agentic 系统卡的行业模板，OpenAI 与 Google 在 2026 Q2 开始跟进。
与竞品 Model Card 的对比
Section titled “与竞品 Model Card 的对比”| 维度 | Anthropic Claude Opus 4.7 | OpenAI GPT-5 System Card | Google Gemini 3 Model Card |
|---|---|---|---|
| 体量 | 60–80 页 PDF | 40–60 页 | 30–50 页 |
| 能力评测 | 详（含外部基准） | 详（含内部 OpenAI Evals） | 详（Gemini Evals 自研） |
| Training Data | 模糊 | 模糊 | 模糊 |
| FLOP | 不披露 | 不披露 | 不披露 |
| ASL / 风险等级 | ASL-3 明确 | High cyber 明确（5.4） | CCL / TCL 映射 |
| 外部审查 | UK/US AISI + GovAI + METR | UK/US AISI + Apollo | UK AISI + DeepMind FSF 流程 |
| Agentic 披露 | 独立 Agentic System Card | 部分章节 | 部分章节 |
| 偏见评估 | BBQ / Winogender / RTP | 类似 | 类似 |
| CBRN 评估 | 详 | 详 | 详 |
观察：在”能力与安全评测”维度，三家趋于收敛——同一套 benchmark、 相似的 CBRN / cyber 框架。差异集中在 (a) 风险等级方法论（ASL vs. Preparedness vs. FSF）， (b) 外部审查制度化程度（Anthropic 最结构化）， (c) agentic 披露完整度（Anthropic 领先）。
学术批评综述
Section titled “学术批评综述”Raji 等 (2020) Closing the AI Accountability Gap：即使有 Model Card， 缺乏第三方验证机制意味着文档本身可以被优化到”看起来负责任”而非”真正负责任”。 Anthropic 引入 UK/US AISI 的预部署测试部分回应了这一点，但 AISI 的独立性 本身也受到 Mowshowitz 等的质疑——AISI 的访问权由公司裁量。
Hendrycks et al. (ML Safety, 2022 + WMDP, 2024)：benchmark 可污染 （训练集包含 benchmark 答案）使得 Model Card 上的评分不可信。 WMDP 对此尝试设计”unlearning-robust”benchmark，但 Claude Model Card 上的 benchmark 分数与第三方复现仍存在偏差。
Bender & Gebru 延伸：Model Card 的”ethical considerations”章节 从未提及训练数据中可能存在的被剥削的人工标注者、 未授权的创作者作品、训练过程的能源与水足迹。 这些被系统性排除的维度揭示了模型卡的价值观框架。
GovAI / Anderljung 路线（Frontier AI Regulation, 2023）： 呼吁将 Model Card 的关键部分（特别是能力评测、FLOP、训练数据） 通过立法变为强制披露，而非公司自愿。 EU AI Act 第 53 条（GPAI 透明度义务）是这一方向的部分实现。
与本站其他页面的交叉引用
Section titled “与本站其他页面的交叉引用”- Anthropic 公司概况与 RSP：../
- ASL 判定的完整能力阈值：safety-framework
- 外部红队与评估：red-team-disclosures
- 用户端使用政策：usage-policy
- 透明度报告：transparency-report
- OpenAI 对比：companies/openai
- EU GPAI 透明度要求：GPAI Code of Practice Transparency 章节
- 中国备案要求：生成式 AI 暂行办法 第 7 条对训练数据合法性的要求
2025–2026 Q1 关键观察
Section titled “2025–2026 Q1 关键观察”- 2025-05 Opus 4 ASL-3 首次触发 → Model Card 与 RSP 的首次真实联动
- 2025-08 Agentic System Card 独立化 → 行业模板效应
- 2025-11 Haiku 4.5 PRC-language 评估 → 对中国市场的间接回应
- 2026-02 RSP v3 发布 → Model Card 的 ASL 判定表述方式更新（pause 承诺删除）
- 2026-03 Opus 4.7 Model Card 首次包含 SB 53 合规映射章节
- Claude 各版本完整 System Card PDF 归档（
public/archives/anthropic-model-cards/） - FLOP 披露政策是否在 SB 53 执法后改变
- UK/US AISI 的评估报告公开化进展
- Agentic System Card 方法论的外部复现